電動汽車電子差速控制技術(shù)研究綜述

姚 芳 林祥輝 , 吳正斌 ,3 李貴強 ,3

車輛在過彎時其內(nèi)、外輪轉(zhuǎn)彎半徑不一樣,外 輪必須以比內(nèi)輪更大的角速度旋轉(zhuǎn),合理控制二者角速度差可防止輪胎打滑和提高汽車的動力性[1-2].傳統(tǒng)汽車的差速器采用機械傳動的 “硬”控制方式,即動力經(jīng)由傳動軸、主動齒輪傳遞至環(huán)齒輪,環(huán)齒輪帶動行星齒輪前后旋轉(zhuǎn)、側(cè)齒輪左右旋轉(zhuǎn)、推動同軸驅(qū)動輪以相同轉(zhuǎn)向角、不同輪速按期望的轉(zhuǎn)向半徑轉(zhuǎn)彎行駛[3-4].輪轂電機獨立驅(qū)動的電動汽車(Electric vehicle,EV)采用電子差速控制(Electronic differential control,EDC)方式,即根據(jù)汽車轉(zhuǎn)向及動力模型,考慮到車輛動力、經(jīng)濟、操控穩(wěn)定、平順以及通過等性能,計算各輪轂電機轉(zhuǎn)速、轉(zhuǎn)矩的轉(zhuǎn)彎目標(biāo)值,實現(xiàn)精確的多輪線性 “軟”控制.

輪轂電機獨立驅(qū)動的電動汽車,不需要機械差速器離合器、變速器和傳動軸,獲得更好的空間利用率,提高了傳動效率,可實現(xiàn)多種復(fù)雜的驅(qū)動方式.但電子差速控制系統(tǒng)需要對每個驅(qū)動輪進行視情控制和所有驅(qū)動輪精確協(xié)同控制、以達到線性隨動轉(zhuǎn)彎的目的,控制策略非常復(fù)雜.而且,每個驅(qū)動輪配一電機,增加了簧下質(zhì)量,整車的舒適性和操控性受到影響.因此,電子差速控制策略,除了需要根據(jù)轉(zhuǎn)向模型和整車模型進行 “粗放”轉(zhuǎn)向控制,在此基礎(chǔ)上還必須兼顧復(fù)雜路況、穩(wěn)定性和操控性進行 “精細”的轉(zhuǎn)向修整控制,控制算法繁雜.電子差速控制,作為全新概念的新興轉(zhuǎn)向控制技術(shù),在電動汽車規(guī)模化發(fā)展驅(qū)動下需要盡快發(fā)展成熟,從理論研究走向整車應(yīng)用[5-7].目前,用于輪轂電機獨立驅(qū)動的電子差速控制技術(shù)在理論和應(yīng)用方面均尚未發(fā)展成熟.

本文闡述電動汽車驅(qū)動系統(tǒng)布置結(jié)構(gòu)和差速控制方式,分析集中和分布驅(qū)動結(jié)構(gòu)的原理及優(yōu)缺點,從技術(shù)、政策和市場視角闡釋電子差速控制方式替代機械差速控制是大勢所趨;給出用于電子差速控制的經(jīng)典Ackermann 轉(zhuǎn)向模型和整車動力模型,進而指出分布式驅(qū)動結(jié)構(gòu)轉(zhuǎn)向控制的非線性特征;重點綜述電動汽車分布式驅(qū)動結(jié)構(gòu)電子差速控制策略、多機抗擾控制及優(yōu)化算法的相關(guān)研究成果,并從整車模型、控制策略、抗擾算法和效果驗證方面進行電子差速控制技術(shù)的總結(jié)和展望.

1 電動汽車差速控制及其發(fā)展分析

1.1 電動汽車機械差速控制方式分析

集中驅(qū)動式電動汽車采用機械差速控制,用電動機及相關(guān)部件替代傳統(tǒng)汽車的內(nèi)燃機.二者有相似的驅(qū)動結(jié)構(gòu),均通過變速器、差速器、減速器等機械傳動裝置,將輸出力矩傳遞到驅(qū)動輪[8-9],如圖1所示.圖1(a)為橫向前置前驅(qū)的單電動機集中驅(qū)動結(jié)構(gòu),電動機M、減速器G 和機械差速器D 集成為一體,置于前驅(qū)動橋上.B 為電池,VCU (Vehicle control unit)為整車控制器,位置靈活.圖1(b)為縱向前置前驅(qū)的單電動機集中驅(qū)動結(jié)構(gòu),電動機M、減速器G 和機械差速器D 分散置于中間傳動軸上.

圖1 集中驅(qū)動結(jié)構(gòu)Fig.1 Centralized drive structure

集中式布置型電動汽車結(jié)構(gòu)緊湊,驅(qū)動方式相對簡單,生產(chǎn)一致性高,且運轉(zhuǎn)過程中通過機械傳動連接,保障各輪運動的一致性,生產(chǎn)技術(shù)成熟,多用于小型電動汽車.為減少傳動裝置的體積和質(zhì)量,部分車型取消了離合器和變速器.

目前,集中驅(qū)動式電動汽車的機械差速控制操作實現(xiàn)技術(shù)成熟、安全可靠,但存在差速器等傳動結(jié)構(gòu)體積較重,效率相對不高等不足,這與動力電池續(xù)航里程短驅(qū)動的電動汽車輕量化需求相悖.

1.2 電動汽車電子差速控制方式分析

分布式驅(qū)動根據(jù)電動汽車自身特點采用車輪獨立驅(qū)動形式,各驅(qū)動輪力矩的控制方式由硬連接變成軟連接,滿足無級變速需求及實現(xiàn)電子差速功能[10-11].圖2(a)為雙電機分布驅(qū)動結(jié)構(gòu),兩個電機M 連接減速器G,安裝于前驅(qū)動橋上,分別驅(qū)動左右兩側(cè)車輪,通過整車控制器VCU 中的電子差速控制器D 實現(xiàn)轉(zhuǎn)向行駛.圖2(b)為輪轂電機分布式驅(qū)動結(jié)構(gòu),電動機和減速器安裝在輪轂里,省去傳動軸和差速器,簡化了傳動系統(tǒng).

圖2 多電動機分布驅(qū)動結(jié)構(gòu)Fig.2 Multi-motor distributed drive structure

分布式驅(qū)動電動汽車驅(qū)動力矩響應(yīng)迅速,正反轉(zhuǎn)靈活切換,在惡劣工況下的適應(yīng)能力強;在硬件及軟件控制方面,更容易實現(xiàn)電氣制動、機電復(fù)合制動及再生制動;經(jīng)濟性更高,續(xù)駛里程更長;在行駛穩(wěn)定性方面,更容易實現(xiàn)對橫擺力矩、縱向力矩的控制,從而提高整車的操縱穩(wěn)定性及行駛安全性[12-13].

但是,將電機安裝于輪內(nèi)導(dǎo)致簧下質(zhì)量增重,導(dǎo)致車輛垂直方向的振動幅度變大,影響車輛行駛過程中的平順性與舒適性.因此,簧下質(zhì)量的輕量化將會是分布式電動汽車發(fā)展中的重要設(shè)計指標(biāo).

1.3 電動汽車差速控制方式發(fā)展分析

電力電子技術(shù)在輪轂電機驅(qū)動應(yīng)用領(lǐng)域的深入滲透和電子差速控制理論的發(fā)展,正推動分布式驅(qū)動技術(shù)從算法研究走向整車應(yīng)用.分布式電機驅(qū)動的電動汽車因采用電子差速控制技術(shù),比目前尚為主流的機械轉(zhuǎn)向控制的集中式電動汽車,在動力學(xué)控制、整車結(jié)構(gòu)設(shè)計、能量效率等方面擁有無可比擬的優(yōu)勢,日益受青睞.

目前,對電動汽車分布式驅(qū)動技術(shù)的支持,亦已上升到國家戰(zhàn)略高度.中國十三五規(guī)劃大力推動“分布式驅(qū)動”技術(shù),實施 “純電驅(qū)動”技術(shù)轉(zhuǎn)型戰(zhàn)略,根據(jù) “三縱三橫”研發(fā)體系,突破純電動力系統(tǒng)的基 礎(chǔ)前沿和核心關(guān)鍵技術(shù)[14].電動汽車驅(qū)動系統(tǒng)的布置結(jié)構(gòu),由單一動力源的集中式驅(qū)動向多動力源的分布式驅(qū)動的轉(zhuǎn)變已是大勢所趨.相應(yīng)的,機械差速控制方式必將被電子差速控制方式替代.

獲益于利好政策的強大助力,國內(nèi)外電動汽車市場正井噴式發(fā)展.《2018 全球電動汽車展望》[15]報告指出:2017 年全球電動汽車保有量超過300 萬輛,相比2016 年增長了57 %,打破歷史記錄;中國的電動汽車保有量最高,達到了123 萬輛左右、占全球電動汽車保有量的40 %左右.該報告還指出,近三年中國電動汽車的保有量增速分別約為197 %、107 %和89 %,位列全球第一.《2019 全球電動汽車展望》[16]報告指出:2018 年全球電動汽車保有量超過510 萬輛,新車保有量幾乎翻倍;中國依然是市場巨頭,市場存量已經(jīng)超過200 萬臺.該報告預(yù)測,隨新能源迅速發(fā)展,到2030 年全球電動汽車銷量將突破2 300 萬輛,保有量將超過1.3 億.電動汽車市場容量的大幅擴張,為分布驅(qū)動結(jié)構(gòu)的普及和電子差速控制技術(shù)的進步提供了快速發(fā)展的契機.

盡管在技術(shù)、政策和市場三方驅(qū)動下,電子差速控制方式有望替代機械差速控制方式,但必須認識到:電子差速控制技術(shù)的理論及應(yīng)用研究尚未發(fā)展成熟.輪轂電機工作環(huán)境嚴(yán)苛,灰塵、砂石、泥水等經(jīng)輪胎作用于輪轂電機,使其發(fā)生不同程度的震動,對其控制策略及算法要求非常高.目前,輪轂電機控制技術(shù)有待解決若干瓶頸問題:

1) 控制策略不全面,僅考慮轉(zhuǎn)速為控制變量時,忽略實際路面情況、過于簡單化,僅考慮轉(zhuǎn)矩為控制變量時,忽略轉(zhuǎn)速特性、過于理想化,顧此失彼.

2) 電子差速系統(tǒng)沒有統(tǒng)一的規(guī)范,各種控制方法褒貶不一,缺乏實車論證.

3) 車輛自由度模型考慮不完整,參考狀態(tài)量有一定的偏差,因此控制效果有待考量.

4) 將電機鑲嵌在輪胎中,導(dǎo)致簧上質(zhì)量增加,轉(zhuǎn)向靈敏度相對較低.

因此,電子差速控制技術(shù)在分布式驅(qū)動結(jié)構(gòu)電動汽車的整車應(yīng)用尚任重道遠,取代機械差速器的路程不可以一蹴而就,需要系統(tǒng)、深入地研究差速控制理論,全面、精準(zhǔn)地考量差速控制策略的效果,并實車驗證差速控制技術(shù)的可用性.

2 電子差速控制系統(tǒng)主要模型及分析

2.1 Ackermann 轉(zhuǎn)向定理

1817 年德國車輛工程師Lankensperger 為解決交通工具轉(zhuǎn)彎時內(nèi)外轉(zhuǎn)向輪圓心角不同的問題,提出轉(zhuǎn)向幾何運動關(guān)系,1818 年由其英國代理商Ackermann 申請專利,故稱之為Ackermann 轉(zhuǎn)向定理.Ackermann 轉(zhuǎn)向幾何模型如圖3 所示,Ackermann 轉(zhuǎn)向解析模型[17]為

圖3 Ackermann 轉(zhuǎn)向幾何模型Fig.3 Ackermann steering geometric model

其中,v為總體車速,δ為汽車中心轉(zhuǎn)向角,vin為左前輪速度,vout為右前輪速度,v3為左后輪速度,v4為右后輪車速.

Ackermann 轉(zhuǎn)向解析模型中,轉(zhuǎn)向角δ和車速v取決于駕駛員對方向盤和油門的操控狀態(tài).傳統(tǒng)集中驅(qū)動結(jié)構(gòu)靠機械傳動系統(tǒng)對各輪施加硬性轉(zhuǎn)向約束,導(dǎo)致功耗過大、傳動磨損重等限制.多機分布驅(qū)動結(jié)構(gòu)根據(jù)Ackermann 轉(zhuǎn)向解析模型計算各輪的理想轉(zhuǎn)速,對其進行電子差速控制[18-20].

多機分布驅(qū)動結(jié)構(gòu)的電動汽車,假設(shè)車體剛性、各輪路況完全相同,則有δ=δin=δout,用Acekermann 轉(zhuǎn)向解析模型可獲得良好的電子差速控制效果.但路況不會絕對理想,地面凹凸、車體側(cè)偏、車輪滑移等導(dǎo)致各輪轉(zhuǎn)向角擾動Δδin,Δδout,Δδ3和Δδ4各輪速偏離理想值.

式(2) 與式(1) 相減得輪速擾動Δvin,Δvout,Δv3和Δv4:

由式(3)可見,輪速擾動與轉(zhuǎn)向角擾動為非線性關(guān)系,若僅按式(1)的Ackermann 轉(zhuǎn)向解析模型控制輪轂電機,將會導(dǎo)致各輪的速度及轉(zhuǎn)向失協(xié)調(diào).因此,為消除擾動,必須考慮復(fù)雜路況引起的轉(zhuǎn)向角及輪速的非線性擾動,對輪轂電機進行精細化控制.

2.2 整車動力學(xué)模型

為了實現(xiàn)有效的差速控制,需要建立一個結(jié)構(gòu)盡可能簡單、能夠準(zhǔn)確反映車輛運行狀態(tài)、參數(shù)獲取方便并且能夠較好地適應(yīng)各種工況的整車動力學(xué)模型[21-23].

整車受力狀況通常由橫向、縱向、垂直平移及繞這三條軸線轉(zhuǎn)動的6 自由度受力模型描述[24-27].假定忽略垂直運動、俯仰運動及側(cè)傾運動,只考慮橫向平移、縱向平移和橫擺運動3 個自由度,整車受力如圖4 所示.

圖4 汽車轉(zhuǎn)向時整車受力示意圖Fig.4 Schematic diagram of force acting on the whole vehicle during steering

圖4 中Lf為前軸到質(zhì)心的距離,Lr為后軸到質(zhì)心的距離,β為質(zhì)心側(cè)偏角,α1,α2,α3,α4分別為前左輪、前右輪、后左輪及后右輪側(cè)偏角.

根據(jù)牛頓第二定律,汽車轉(zhuǎn)向時x軸和y軸所受合力分別為

汽車的橫擺運動方程為

式(4)～(6)為3 自由度整車動力學(xué)模型,式中,m為整車質(zhì)量,J為繞z軸轉(zhuǎn)動慣量,γ為橫擺角速度.

解耦車速v可得4 個車輪在x軸和y軸方向的速度為

汽車轉(zhuǎn)向v時車輪的側(cè)向彈性變形和輪胎側(cè)偏特性會使各車輪產(chǎn)生側(cè)偏角:

汽車轉(zhuǎn)向時向心力Fc為

質(zhì)心側(cè)偏角為

汽車正常行駛時左右車輪承受的理論重量相同.汽車轉(zhuǎn)向時向心力的作用使汽車的垂直載荷發(fā)生變化

式(1)和式(4)～(11)是整車模型中的主要子模型,涉及三角或反三角函數(shù)因式,故整車模型必是呈非線性.根據(jù)式(8)～(11)計算的側(cè)偏角、垂直載荷等狀態(tài)參數(shù),正是電子差速控制的主要依據(jù).例如,根據(jù)式(10)可由汽車速度分量和轉(zhuǎn)向角可計算β描述的質(zhì)心側(cè)偏狀態(tài),進而可以減小質(zhì)心側(cè)偏角對整車偏移的影響為目標(biāo)進行優(yōu)化控制.又如,汽車轉(zhuǎn)向時內(nèi)外輪垂直載荷分配不均,外輪附著系數(shù)隨之明顯超過內(nèi)輪附著系數(shù),進而影響基于轉(zhuǎn)矩的電子差速控制的主要觀測量滑移率.

當(dāng)汽車轉(zhuǎn)向時,考慮實際路面的復(fù)雜狀況,各輪轉(zhuǎn)向角將會出現(xiàn)擾動,使橫擺角速度偏離理想值,由式(6)推導(dǎo)得到橫擺角速度的擾動Δγ

由式(12)可見,橫擺角速度擾動△γ 是內(nèi)外輪轉(zhuǎn)向角擾動Δδin和Δδout的非線性表達,它會影響各輪輪速、向心力,進而影響垂直載荷、滑移率等.較大的橫擺角速度擾動Δγ會導(dǎo)致整車轉(zhuǎn)向失調(diào),必須以減小橫擺角速度擾動Δγ會及其相關(guān)參數(shù)為目標(biāo),動態(tài)協(xié)調(diào)內(nèi)外輪軸徑向力F1x,F1y,F1x和F2y,使整車轉(zhuǎn)向行駛姿態(tài)達到預(yù)期.

2.3 電子差速控制驅(qū)動的整車動力學(xué)模型分析

式(4)～(6)所示整車動力學(xué)模型忽略了垂直、俯仰、側(cè)傾等整車姿態(tài),只有3 個自由度,基于此模型的電子差速控制控制精度低,無法實現(xiàn)預(yù)期的整車轉(zhuǎn)向行駛姿態(tài)控制.

為提高電子差速控制的精度,整車動力學(xué)模型需全面考慮影響輪轂電機乃至整車的因素,相應(yīng)的模型的自由度越多也越復(fù)雜,電子差速控制的復(fù)雜度增加,響應(yīng)速度也相應(yīng)減慢.美國學(xué)者建立了慮及懸架、輪胎、發(fā)動機和車輛底盤的18 自由度整車模型,該模型仿真精度高,但模型復(fù)雜、參數(shù)不易獲取,基于此模型的電子差速控制并不理想.

為兼顧電子差速控制的控制精度和響應(yīng)速度,需重點考慮電動汽車主要的性能參數(shù),建立自由度少、結(jié)構(gòu)簡單、參數(shù)易測、工況適應(yīng)性良好、能反映車輛運行姿態(tài)的非線性整車動力學(xué)模型.基于該模型的電子差速控制算法應(yīng)不甚復(fù)雜,電子差速控制的響應(yīng)速度快、控制精度高,使整車的轉(zhuǎn)向行駛逼近預(yù)期姿態(tài).

3 電子差速控制系統(tǒng)主要模型及分析

3.1 電子差速控制策略

電子差速控制策略以各輪轂電機的輸出轉(zhuǎn)速(輪速)或轉(zhuǎn)矩為觀測量,以轉(zhuǎn)速、轉(zhuǎn)矩或其延伸計算的滑移率、橫擺角速度及質(zhì)心側(cè)偏角為控制變量,總體協(xié)調(diào)控制各電機的電樞電流,達到控制整車轉(zhuǎn)向姿態(tài)的目的.電機控制是電子差速控制的核心,但由于電機集成在車輪上、非線性擾動復(fù)雜度及強度更大,而且各輪路況(特別是轉(zhuǎn)向時)可能差異較大、各輪差速的總體協(xié)調(diào)難度大,故電子差速控制需在電機控制的基礎(chǔ)上解決抗擾動和一體差速協(xié)調(diào)問題.

在高低起伏的綠地草坪中建立下沉綠地，可以促進雨水下滲，能夠獲得比平坦地面更好的生態(tài)效益。在整體的空間營造中，使綠地的標(biāo)高低于硬質(zhì)節(jié)點的標(biāo)高，也有效的防止雨水在硬質(zhì)節(jié)點上匯集，阻礙人們的日常活動。

3.1.1 基于轉(zhuǎn)速的電子差速控制策略

基于轉(zhuǎn)速的電子差速控制策略,對輪轂電機采用轉(zhuǎn)速控制,以車體轉(zhuǎn)向角δ和速度v為Ackermann 轉(zhuǎn)向模型的輸入,計算各理論輪速vin,vout,v3和v4; 理論輪速與實測輪速的偏差作為控制變量,調(diào)整電機電樞電流、使實測輪速趨近理論輪速、實現(xiàn)各輪轂電機協(xié)同轉(zhuǎn)速控制.圖 5 為基于轉(zhuǎn)速的電子差速控制策略原理示意圖.

圖5 基于轉(zhuǎn)速的電子差速控制策略原理Fig.5 Principle of electronic differential control strategy based on speed

在ASME、IEEE、CNKI、EI、WOS 庫中,以檢索方式KY=電子差速/ Electronic Differential,可檢索到2000～2019 年的相關(guān)轉(zhuǎn)速控制研究成果37 項,其中密切相關(guān)的典型成果涉及以下內(nèi)容:

2000 年,Lee 等[28]針對差速控制系統(tǒng)中車速、轉(zhuǎn)向角及車輛復(fù)雜結(jié)構(gòu)之間的非線性關(guān)系,設(shè)計了基于神經(jīng)網(wǎng)絡(luò)算法的電子差速控制策略.實車實驗結(jié)果表明:通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練可快速獲得較為準(zhǔn)確的轉(zhuǎn)向角—車速的非線性關(guān)系模型.該成果突破Ackermann 模型的線性規(guī)則,嘗試基于轉(zhuǎn)向角—輪速非線性關(guān)系模型的電子差速控制,并給出最接近實際的目標(biāo)輪速,但實車實驗轉(zhuǎn)速存在持續(xù)波動,需優(yōu)化控制策略,提高操縱穩(wěn)定性.

2006 年,Cordeiro 等[29],采用Ackermann 轉(zhuǎn)向模型計算兩后驅(qū)動輪的內(nèi)外側(cè)理論速度、采用速度無傳感器解決方案、把電機動態(tài)方程估算的實際輪速作為控制器的輸入.測試實驗結(jié)果表明:估算的轉(zhuǎn)速曲線與實測的轉(zhuǎn)速曲線性狀接近,且采用滑模變結(jié)構(gòu)進行控制后效果理想.該成果采用無傳感器的實際輪速估算方案、節(jié)省電子差速器的開發(fā)成本,但實際轉(zhuǎn)速估算值明顯高于其實測值.

2007 年,周勇等[30]用Acekermann 轉(zhuǎn)向模型約束四驅(qū)動輪理論輪速的關(guān)系,用PID 調(diào)速方法對各轉(zhuǎn)速進行閉環(huán)的電子差速控制.仿真結(jié)果表明:調(diào)速響應(yīng)時間短且穩(wěn)定性好,基于PID 調(diào)速的四驅(qū)電子差速控制可協(xié)調(diào)輪速保持良好的一致性.該成果在0～30 km/h 的低輪速范圍內(nèi)初步實現(xiàn)了基于轉(zhuǎn)速的四輪獨立驅(qū)動的電子差速控制,采用高精度傳感器、成本高,但僅限于仿真研究,也未覆蓋30 km/h以上的中高輪速范圍.

2012 年,邱恒浪[31]對Acekermann 轉(zhuǎn)向模型進行延伸、計算出四驅(qū)動輪的最小轉(zhuǎn)向半徑及理論輪速,設(shè)計了自適應(yīng)模糊PID 調(diào)速的電子差速控制策略.仿真及實車實驗結(jié)果表明:相比常規(guī)PID 調(diào)速算法,自適應(yīng)模糊PID 調(diào)速算法用于電子差速控制不僅增強了轉(zhuǎn)速響應(yīng)的實時性,還減小了各驅(qū)動輪的轉(zhuǎn)速波動.該成果實現(xiàn)了電子差速控制策略在四輪驅(qū)動電動汽車各輪轉(zhuǎn)速的協(xié)調(diào)控制.但即使在中小角度轉(zhuǎn)向時,車速依然出現(xiàn)持續(xù)波動,且實車實驗車速僅為5 m/s.

2013 年,Ravi 等[32]同樣采用Ackermann 轉(zhuǎn)向模型、用轉(zhuǎn)向角約束左右車輪的理論轉(zhuǎn)速,用光電編碼器測量驅(qū)動輪的實際轉(zhuǎn)速,設(shè)計了兩驅(qū)電子差速控制策略.仿真及實車實驗結(jié)果表明:該策略可確保最大扭矩,獨立控制各驅(qū)動輪以任何曲線和不同速度轉(zhuǎn)動、并根據(jù)轉(zhuǎn)向角為電機分配動力.該成果針對基于無刷直流輪轂電機進行了電子差速控制有效性的實車驗證,但同樣仍局限于低速工況.

2016 年,潘漢明[33]設(shè)計了模糊神經(jīng)網(wǎng)絡(luò)調(diào)速算法,用于兩后驅(qū)動輪的電動汽車的電子差速控制系統(tǒng).仿真及實車實驗結(jié)果均表明:恒速轉(zhuǎn)向時輪速平均誤差小于5%,變圓周行駛時驅(qū)動輪速度隨車速線性增加、且其平均誤差小于2%.該成果通過優(yōu)化調(diào)速算法設(shè)計電子差速控制策略,并進行恒速轉(zhuǎn)向和變速圓周的實車路面實驗以驗證差速控制的效果,但未考慮多種復(fù)雜路況對差速控制效果的影響.

同年,楊朝陽[34]以輪速偏差率為輸入,設(shè)計了變積分PID 調(diào)速控制器,用于四驅(qū)電子差速控制策略.0～20 N·m 變載荷測試實驗結(jié)果表明:四驅(qū)動輪的速度偏差率小且穩(wěn)定,基本維持在0.1 左右.該成果對控制算法進行了驗證,控制結(jié)構(gòu)較簡,但仍局限于低速工況,且沒有進行實車駕駛實驗,沒有考慮復(fù)雜路況.

綜上所述,2000～2019 年,基于電機轉(zhuǎn)速控制的電子差速控制研究成果致力于設(shè)計或改進控制算法和優(yōu)化算法,減小多驅(qū)電動汽車實際轉(zhuǎn)速和理論轉(zhuǎn)速的誤差,提高電子差速控制效果.但不考慮轉(zhuǎn)矩協(xié)調(diào)、多驅(qū)動輪的轉(zhuǎn)速控制,稍有誤差將導(dǎo)致驅(qū)動輪滑轉(zhuǎn)、造成整車失調(diào),不能用于高速行駛工況.

3.1.2 基于轉(zhuǎn)矩的電子差速控制策略

基于轉(zhuǎn)矩的電子差速控制策略,對輪轂電機采用直接轉(zhuǎn)矩控制,將滑移率、質(zhì)心側(cè)偏角、橫擺角速度的擾動值分別、部分或全部作為控制變量,以最大限度抑制這些擾動為目標(biāo)調(diào)整電機電樞電流、實現(xiàn)各輪轂電機協(xié)同轉(zhuǎn)矩控制.圖 6 為以滑移率、質(zhì)心側(cè)偏角、橫擺角速度擾動為控制變量的基于轉(zhuǎn)矩的電子差速控制原理示意圖.

圖6 基于轉(zhuǎn)矩的電子差速控制策略原理Fig.6 Principle of electronic differential control strategy based on torque

圖6 中,路面識別模型以目標(biāo)轉(zhuǎn)向角和由整車動力學(xué)模型得到的滑移率、附著系數(shù)計算值為輸入,以最優(yōu)滑移率為輸出;不同于整車動力學(xué)模型,二自由度理想模型以目標(biāo)轉(zhuǎn)向角為輸入、質(zhì)心側(cè)偏角及橫擺角速度的目標(biāo)值為輸出.

在ASME、IEEE、CNKI、EI、WOS 庫中,以檢索方式KY=電子差速(Electronic differential),可檢索到2000～2019 年的相關(guān)轉(zhuǎn)矩控制研究成果48 項,其中密切相關(guān)的典型成果涉及以下內(nèi)容:

2005 年,葛英輝等[35-36]用比例控制估算驅(qū)動輪的目標(biāo)滑移率,根據(jù)目標(biāo)滑移率分配兩輪轂電機轉(zhuǎn)矩,進而采用開關(guān)變結(jié)構(gòu)控制實現(xiàn)多機轉(zhuǎn)矩協(xié)同的電子差速控制策略.仿真及測試實驗結(jié)果表明:相比傳統(tǒng)機械差速控制,采用該策略的電動汽車驅(qū)動輪附著系數(shù)的利用率高、響應(yīng)速度更快,控制系統(tǒng)的魯棒性和穩(wěn)定性好、轉(zhuǎn)彎性能更優(yōu).該成果調(diào)配兩輪的驅(qū)動轉(zhuǎn)矩以減小車輛滑轉(zhuǎn),不需根據(jù)Ackermann 轉(zhuǎn)向模型計算理論輪速,首次基于電機轉(zhuǎn)矩控制進行多驅(qū)電子差速控制.但測試車速較小,未考慮各種路況的影響.

2009 年,Hartani 等[37]對后輪驅(qū)動的電動汽車設(shè)計了基于模糊控制器的電子差速控制策略.仿真結(jié)果表明:對永磁同步電機的直接扭矩模糊控制能夠抑制轉(zhuǎn)矩的振蕩、提高控制速度,很大程度上改善了轉(zhuǎn)矩脈動問題.該成果運用模糊控制器進一步地減小了電子差速控制系統(tǒng)中轉(zhuǎn)矩波動過大的問題,解決了直接轉(zhuǎn)矩控制調(diào)速受限的問題,實現(xiàn)了轉(zhuǎn)向過程中對車輪的高精度的控制.但未進行測試及實車實驗.

2012 年,Chen 等[38]設(shè)計了三種模式的電子差速器,分別是前驅(qū)電子差速控制模式、后驅(qū)電子差速控制模式和四驅(qū)電子差速控制模式.通過仿真及實車實驗結(jié)果表明:三種不同的電子差速器可以實現(xiàn)車輛性能幾乎相同的電動汽車側(cè)偏角、橫擺角速度和行駛軌跡.該成果通過兩個前輪或者兩個后輪估計全輪軌跡實現(xiàn)電子差速控制.但車速和橫擺角速度的估算算法響應(yīng)不快,電子差速控制器抗干擾性不好,局限于車輛穩(wěn)定行駛狀態(tài)的差速控制.

2013 年,Huu[39]根據(jù)方向盤轉(zhuǎn)角和油門踏板行駛實時分配后驅(qū)內(nèi)外輪轉(zhuǎn)矩差,同時為了防止載荷側(cè)向轉(zhuǎn)移導(dǎo)致的車輪打滑對油門踏板做了限制.實車實驗結(jié)果表明:降低內(nèi)后輪橫向載荷、逐漸減小內(nèi)輪扭矩有益于實現(xiàn)最佳高速過彎,可實現(xiàn)高速過彎的電子差速控制.該成果通過調(diào)配內(nèi)外輪轉(zhuǎn)矩差實現(xiàn)了高車速范圍的電子差速控制,以賽車作為實驗車輛在高速跑道進行實車實驗,但未考慮復(fù)雜路況對電子差速控制器的影響.

2017 年,張素燕[40]針對輪轂式電動汽車在轉(zhuǎn)彎時存在的驅(qū)動輪相對滑移率較大和外界干擾問題,設(shè)計出線性二次型最優(yōu)滑模電子差速控制器.仿真結(jié)果表明:線性二次型調(diào)節(jié)器控制使得滑移率在1 s內(nèi)達到了期望值,結(jié)合滑模的最優(yōu)控制方法可以使相對滑移率在0.5 s 內(nèi)達到期望值,控制系統(tǒng)迅速穩(wěn)定.該成果用基于滑移率的線性二次型最優(yōu)滑模控制算法進行電子差速控制器設(shè)計,控制系統(tǒng)的魯棒性和穩(wěn)定性好,而且該算法也可采用質(zhì)心側(cè)偏角、橫擺角速度等其他控制參數(shù),但僅低速下進行仿真,未考慮復(fù)雜路況,亦未進行實車實驗.

2018 年,陳江松等[41]將質(zhì)心偏側(cè)角和橫擺角速度作為輸入、將橫擺力矩作為輸出分配到兩個車輪轉(zhuǎn)向的驅(qū)動力矩、設(shè)計了基于PID 控制的電子差速控制策略.仿真結(jié)果表明:該控制策略有效地抑制了擾動,高速行駛時可使質(zhì)心側(cè)偏角、橫擺角速度及側(cè)向加速度同時下降50%左右.該成果將橫擺力矩作為轉(zhuǎn)向控制目標(biāo),電子差速控制策略有效地抑制了擾動、提高了車輛操縱穩(wěn)定性,且分析了高低速電子差速控制技術(shù)的影響,但未考慮復(fù)雜路況,且沒有進行實車驗證.

2019 年,Hou 等[42]針對4 個輪轂電機獨立驅(qū)動電動汽車在復(fù)雜道路轉(zhuǎn)向穩(wěn)定性的問題,提出一種分層電子轉(zhuǎn)向控制方法,實現(xiàn)基于橫擺角速度和質(zhì)心側(cè)偏角的四驅(qū)獨立控制.仿真及實車實驗結(jié)果表明,與普通控制策略相比,該控制策略下橫擺角速度的誤差降低了55.1%,車輪的干擾波動明顯減少.該成果針對車輛行駛的復(fù)雜路況設(shè)計電子差速控制系統(tǒng),使車輛在惡劣路況下仍有較好的操縱穩(wěn)定性,但附著系數(shù)的估計實時性較差,路況變化過程中會有不同程度的惡化.

綜上所述,2000～2019 年的基于電機轉(zhuǎn)矩控制的電子差速控制的研究成果,主要采用滑移率、橫擺角速度或質(zhì)心側(cè)偏角作為控制變量,在高速轉(zhuǎn)彎差速控制方面取得一定進展,但尚未形成在控制有效性和操縱穩(wěn)定性方面可達共識的通用的電子差速控制策略,對復(fù)雜路況車況的考慮也不夠全面.

3.1.3 電子差速控制技術(shù)發(fā)展態(tài)勢分析

基于電機轉(zhuǎn)速調(diào)節(jié)的電子差速控制技術(shù),將汽車作為一個剛體,僅有轉(zhuǎn)向一個自由度,計算簡單,容易得到各個輪速和車速及轉(zhuǎn)向角的關(guān)系.但仿真和實車實驗研究均證實,Acekermann 轉(zhuǎn)向模型只適用于低速工況.其主因在于,Ackermann 轉(zhuǎn)向模型只表征輪速與車速及轉(zhuǎn)向角的剛性的靜態(tài)約束,沒有考慮到輪胎等因素引起的復(fù)雜動態(tài)擾動,忽略了車輪轉(zhuǎn)向時的離心力和向心力對擾動的放大,使得控制器的動態(tài)跟隨性能差,亦使得電動汽車高速轉(zhuǎn)向時難以及時協(xié)調(diào)各驅(qū)動電機差速,導(dǎo)致電子差速控制系統(tǒng)魯棒性、穩(wěn)定性差、汽車操控性能差等突出問題.

基于電機直接轉(zhuǎn)矩控制的電子差速控制技術(shù),車輛行駛的諸多隨機因素引起的各驅(qū)動輪的輸出轉(zhuǎn)矩擾動頻繁、擾動幅度復(fù)雜多變,導(dǎo)致直接轉(zhuǎn)矩控制可能引發(fā)高頻振蕩,難以保證獲得好的電子差速控制效果[43].目前,在電機直接轉(zhuǎn)矩控制基礎(chǔ)上,以滑移率、質(zhì)心側(cè)偏角及和橫擺角速度作為轉(zhuǎn)矩的間接觀測量進行復(fù)雜的最優(yōu)控制,以使內(nèi)外輪的地面反作用力相等、保證汽車有良好的操縱穩(wěn)定性.然而,這是被動的調(diào)整車輛的運動狀態(tài),不是從車輛動力學(xué)本身出發(fā)分配左右輪的驅(qū)動轉(zhuǎn)矩,故控制效果有待考量.

在ASME、IEEE、CNKI、EI、WOS 庫中,以檢索方式KY=電子差速/ Electronic Differential,可檢索到2000～2018 年的相關(guān)研究成果68 項,2018～2019 年相關(guān)研究成果17 項,文獻成果篇數(shù)及其年均百分比統(tǒng)計如圖 7 所示.

圖7 文獻成果統(tǒng)計Fig.7 Statistics of literature achievements

由圖 7 可見,1) 電子差速控制技術(shù)的研究成果篇數(shù)逐年攀升、近四年的成果篇數(shù)超過全部成果篇數(shù)的一半(57.6%),表明電子差速控制技術(shù)的研究熱度迅速提高,在近年達到有史以來最高峰;2) 基于轉(zhuǎn)速的成果總篇數(shù)約占全部成果篇數(shù)的42.4%,基于轉(zhuǎn)速的電子差速控制成果年均百分比整體呈降勢,2016～2019 年僅占該四年的28.6%,而基于轉(zhuǎn)矩的電子差速控制成果整體呈升勢,2016 年以后高達71.4%,并且2019 年對于轉(zhuǎn)矩的研究成果已經(jīng)高達88%,表明近年電子差速控制的觀測量由轉(zhuǎn)速轉(zhuǎn)矩的主次關(guān)系轉(zhuǎn)變?yōu)檗D(zhuǎn)矩轉(zhuǎn)速的主次關(guān)系;3) 基于轉(zhuǎn)矩的電子差速控制成果中,2016 年以前的成果控制變量幾乎僅用滑移率,2016 年以后約66.7%的成果增加考慮質(zhì)心側(cè)偏角或橫擺角速度.

電子差速控制技術(shù)覆蓋基于電機輸出觀測量的電機控制技術(shù)和針對控制器輸入控制變量的多機一體控制獨立抗擾技術(shù).根據(jù)技術(shù)現(xiàn)狀和成果大數(shù)據(jù)分析,認為未來幾年電子差速控制的觀測量仍將保持轉(zhuǎn)矩為主轉(zhuǎn)速為次的狀態(tài),控制變量將以多維綜合的模式發(fā)展,重點解決以下技術(shù)關(guān)鍵:

1) 深入研究轉(zhuǎn)向、突變載荷等工況下整車的非線性動力學(xué)行為對電機觀測量轉(zhuǎn)速、轉(zhuǎn)矩和控制變量滑移率、橫擺角速度等動態(tài)響應(yīng)的影響,指導(dǎo)優(yōu)選電機控制策略和控制變量.

2) 針對輪轂電機擾動復(fù)雜、強度大問題,進一步研究基于多控制變量的、兼顧中高低速的高精度、快響應(yīng)的高效電機控制優(yōu)化算法,解決擾動抑制問題.

3) 針對不同擾動下多機總體差速協(xié)調(diào)問題,研究單機獨立抗擾控制、多機一體協(xié)調(diào)的電子差速控制策略,解決滑移率控制問題.

3.2 多機抗擾控制算法

電子差速控制對單臺輪轂電機進行抗擾動控制,同時對多臺輪轂電機進行一體化多輪姿態(tài)的速差協(xié)調(diào)控制,而多輪工況不同引起的擾動差異增大了電機控制和速差控制的復(fù)雜度.因此,針對內(nèi)外輪不同轉(zhuǎn)速水平,設(shè)計適合輪轂電機的抗擾控制算法至關(guān)重要.目前,輪轂電機抗擾控制主要采用PID、模糊、神經(jīng)網(wǎng)絡(luò)、滑模及粒子群優(yōu)化算法[44].

3.2.1 多機PID 抗擾控制

PID 控制器包括比例、積分、微分等環(huán)節(jié)[45-47].PID 控制系統(tǒng)的積分環(huán)節(jié)可抑制穩(wěn)態(tài)誤差、但可能增加超調(diào),微分環(huán)節(jié)可加快響應(yīng)速度并減弱超調(diào)趨勢.PID 控制在穩(wěn)態(tài)誤差和響應(yīng)速度方面的優(yōu)越性使其適用于電機控制,且因其實現(xiàn)簡單已成熟應(yīng)用于工程實際,但在轉(zhuǎn)速控制精度和穩(wěn)定性方面不盡人意.

文獻[48]對兩驅(qū)電動汽車轉(zhuǎn)速進行PID 抗擾協(xié)調(diào)控制,如圖8 中虛框所示.

圖8 多機PID 抗擾控制原理Fig.8 Principle of multi-machine pid disturbance rejection control

仿真驗證內(nèi)外輪分別施加5 N·m 和3 N·m 的負載擾動時的PID 抗擾控制效果,結(jié)果表明:兩機轉(zhuǎn)速極不穩(wěn)定、車輪易打滑,轉(zhuǎn)矩和轉(zhuǎn)速分別在0.1 s和0.4 s 后恢復(fù)穩(wěn)態(tài)、調(diào)節(jié)時間長.

3.2.2 多機模糊抗擾控制

模糊控制一般采用系統(tǒng)偏差和偏差率作為控制器輸入,旨在對輸入變量進行模糊規(guī)則下的推理,并在專家系統(tǒng)干預(yù)下形成非模糊化控制器輸出,其缺點是無法消除靜差[49-51].模糊控制不需精確數(shù)學(xué)模型,具有普適性和對時變負載的魯棒性,適用于非線性、時變、滯后特征的電子差速控制.

文獻[52]以橫擺角速度的偏差及偏差率作為輸入,以橫擺力矩ΔM作為輸出,對兩驅(qū)電動汽車進行模糊抗擾控制,原理如圖 9 中虛框所示.

圖9 多機模糊抗擾控制原理Fig.9 Principle of multi-machine fuzzy disturbance rejection control

初速度5 km/h 行駛、兩驅(qū)動輪處于不同附著系數(shù)路面時,直線加速及轉(zhuǎn)向的仿真結(jié)果表明,未加抗擾控制時兩輪縱向力相差500 N、橫擺力矩使整車朝附著系數(shù)低的路面偏轉(zhuǎn),施加抗擾控制時兩輪縱向力基本一樣保持1 200 N,消除了橫擺力矩的干擾、車輛無偏轉(zhuǎn).

模糊控制與PID 控制相結(jié)合,可取得更好的電子差速控制效果.文獻[53]對兩驅(qū)電動汽車滑移率擾動進行獨立模糊PID 控制,仿真驗證了擾動閾值0.05、目標(biāo)滑移率0.1 及附著系數(shù)0.4 的兩機模糊PID 抗擾效果,結(jié)果表明:加入階躍轉(zhuǎn)角信號后,滑移率達到峰值0.18 處開始下降.模糊PID 相控制比于模糊控制下的驅(qū)動輪滑移率有較高的動態(tài)響應(yīng)速度、且沒有超調(diào)現(xiàn)象,控制精度更高、消除了靜差、并最終穩(wěn)定在滑移率目標(biāo)值0.1.

3.2.3 多機神經(jīng)網(wǎng)絡(luò)抗擾控制

神經(jīng)網(wǎng)絡(luò)輸入學(xué)習(xí)樣本,用反向傳播算法對權(quán)值和偏差反復(fù)調(diào)整訓(xùn)練,使輸出向量逼近期望向量,直至當(dāng)輸出層的誤差平方和小于指定誤差[54-56].神經(jīng)網(wǎng)絡(luò)算法直接用于復(fù)雜、時變、非線性的電子差速控制,可能會因數(shù)據(jù)龐大導(dǎo)致計算任務(wù)無法完成,但與PID 結(jié)合可有意想不到的多機抗擾效果.

文獻[57]對電動汽車4 個驅(qū)動輪進行獨立的神經(jīng)網(wǎng)絡(luò)PID 轉(zhuǎn)速抗擾的轉(zhuǎn)矩控制,如圖 10 虛框所示,控制器的輸出層的輸出量采用sigmoid 函數(shù)表示.

圖10 多機神經(jīng)網(wǎng)絡(luò)抗擾控制原理Fig.10 Principle of disturbance rejection control based on multi-machine neural network

仿真驗證給定車速分別為4 km/h 和8 km/s、轉(zhuǎn)角-60°～60°變化時的神經(jīng)網(wǎng)絡(luò)PID 抗擾控制效果,結(jié)果表明:啟動時轉(zhuǎn)速誤差較大,隨后誤差逐漸減小,至轉(zhuǎn)速輸出比較平穩(wěn).

3.2.4 多機滑模抗擾控制

滑模控制(Sliding mode control,SMC)不考慮系統(tǒng)參數(shù)和外界擾動自行定義滑動模態(tài),對系統(tǒng)狀態(tài)進行有規(guī)律的但不連續(xù)的非線性調(diào)整,將狀態(tài)軌跡約束下滑模狀態(tài)界定的預(yù)定區(qū)域內(nèi),穩(wěn)定性好且實現(xiàn)簡單,但存在抖振問題[58-60].滑模控制的這些特點,適用于系統(tǒng)參數(shù)繁雜、非線性動力學(xué)特征、擾動不可預(yù)計的多機抗擾協(xié)同控制.文獻[61]對雙輪轂電機的橫擺角速度進行滑模控制,實現(xiàn)兩機速差的協(xié)調(diào)控制,如圖 11 所示.

圖11 滑模變結(jié)構(gòu)控制原理Fig.11 Sliding mode variable structure control principle

仿真結(jié)果表明:35 km/h 的車速下時有滑模控制的電子差速系統(tǒng)相比無差速控制系統(tǒng),原橫擺角速度實際幅值由于左右兩側(cè)驅(qū)動力相等相當(dāng)于附加一個負橫擺力矩阻礙車輛轉(zhuǎn)向,值為0.2 rad/s 略小于理想角速度0.25 rad/s,由于進行轉(zhuǎn)矩分配,車輛產(chǎn)生了一個附加橫擺力矩,故橫擺角速度實際值跟上理想值且轉(zhuǎn)向盤轉(zhuǎn)矩由4 N·m 降到2 N·m,用飽和函數(shù)sat 代替初始函數(shù)sgn,降低了擾動.

3.2.5 多機抗擾控制優(yōu)化算法

最優(yōu)控制在給定約束下、從一切可能的控制方案中尋找最優(yōu)解,使系統(tǒng)性能指標(biāo)達到極值[62-63].電機抗擾控制算法結(jié)合最優(yōu)控制往往可取得更好的電子差速控制效果.文獻[64]依據(jù)電動汽車的狀態(tài)空間模型、線性二次型最優(yōu)控制及滑模控制理論設(shè)計了基于滑移率的線性二次型最優(yōu)滑模控制器,用于電子差速控制.仿真結(jié)果表明:采用滑模最優(yōu)控制方法使相對滑移率達到期望值的時間比采用線性二次型調(diào)節(jié)器控制方法快一倍,且控制穩(wěn)定.

粒子群優(yōu)化(Particle swarm optimization,PSO)算法通過個體之間的協(xié)作和信息共享尋找最優(yōu)解,該算法簡單易實現(xiàn),且無多參數(shù)調(diào)節(jié),適用于多機、多控制變量的協(xié)調(diào)抗擾控制.文獻[65]以車速和轉(zhuǎn)向角作為輸入量,以左后車輪的角速度作為輸出量,提出了PSO-BP (Particle swarm optimization-back propagation)神經(jīng)網(wǎng)絡(luò)的電子差速控制算法.仿真結(jié)果表明,用所訓(xùn)練的PSO-BP 神經(jīng)網(wǎng)絡(luò)模型對樣本進行預(yù)測,預(yù)測值和真實值基本重合,最大誤差為0.0478,最小誤差約為0.00006.

3.2.6 多機抗擾控制算法發(fā)展態(tài)勢分析

抗擾及優(yōu)化控制算法影響多機驅(qū)動的電動汽車轉(zhuǎn)向行駛時的安全性、穩(wěn)定性、平順性和響應(yīng)速度,故不考慮模型的精確性時,其抗擾及優(yōu)化控制算法決定著整車控制品質(zhì),更是電子差速控制技術(shù)的關(guān)鍵.本文統(tǒng)計的69 項文獻成果中,2012 年及以前涉及抗擾算法的文獻成果僅9 項,PID 控制算法5 篇,比例及開關(guān)算法3 篇,神經(jīng)網(wǎng)絡(luò)算法1 篇;2013～2019 年,涉及抗擾算法的文獻成果包括PID14 篇、滑模7 篇、模糊控制13 篇、神經(jīng)網(wǎng)絡(luò)5 篇和智能組合6 篇.從成果內(nèi)容看,電動汽車多機抗擾控制器在算法、效果驗證方法、控制變量等方面既有局限又有發(fā)展前景.

1) 傳統(tǒng)控制及優(yōu)化算法用于復(fù)雜的輪轂電機多機抗擾控制及電子差速控制,仍有一定的局限性.例如,PID 算法實現(xiàn)簡單且響應(yīng)速度快,但轉(zhuǎn)速控制精度低.又如,滑模控制適用于輪轂電機多機多參數(shù)的非線性控制,但有抖振問題.再如,對控制器優(yōu)尋優(yōu)可提高抗擾控制響應(yīng)速度但提高了算法復(fù)雜度.現(xiàn)代控制理論和智能算法迅速發(fā)展,已出現(xiàn)了自抗擾控制、深度學(xué)習(xí)等新型控制理論和智能算法,有望探索用于輪轂電機電子差速控制,甚至有針對性的延伸發(fā)展.

2) 電動汽車電子差速控制系統(tǒng)中,涉及觀測量、電機控制量和抗擾控制器控制量,其中抗擾控制器的控制量涉及轉(zhuǎn)速、滑移率、側(cè)偏角、橫擺角速度等,抗擾控制器的控制量越多,算法越復(fù)雜,響應(yīng)速度越慢.因此,需要兼顧觀測量和電機控制量,對比研究抗擾控制器控制量的優(yōu)選問題.

3) 目前,對于電子差速控制系統(tǒng)的抗擾效果尚無統(tǒng)一的考評標(biāo)準(zhǔn).文獻成果多針對特定路況或車況、對有無抗擾算法的仿真結(jié)果對比,或驗證仿真及抗擾控制器設(shè)計的有效性.因此,需遍歷典型車況及路況,進行仿真、平臺測試、甚至整車實驗,對比研究電子差速控制系統(tǒng)的抗擾效果,依據(jù)電動汽車相關(guān)標(biāo)準(zhǔn),甚至提出抗擾效果評價方法,促進輪轂電機多機抗擾控制研究.

4 結(jié)束語

電動汽車電子差速控制技術(shù)研究已經(jīng)取得一定進展、但尚不成熟,電子差速或自適應(yīng)差速系統(tǒng)樣車依舊處于概念車和實驗室研發(fā)階段.因此,針對輪轂電機因集成于驅(qū)動輪引起的靈活性和非線性擾動問題,多輪轂電機的速差協(xié)控問題和多驅(qū)電動汽車整車模型的復(fù)雜性問題,進行電子差速控制技術(shù)研究.本文針對整車模型、電子差速控制策略及抗擾算法進行綜述,總結(jié)與展望如下:

1) 整車模型設(shè)計

電子差速控制依賴于整車模型(轉(zhuǎn)向模型、動力學(xué)模型和電機模型)的設(shè)計.理論上,整車模型應(yīng)為盡可能還原實車結(jié)構(gòu)、考慮多種路況的多自由度的精細模型,精細模型參數(shù)多而雜、不易獲取,自由度越高響應(yīng)速度就越慢.工程上,盡可能簡化整車模型、降低自由度,但模型過簡、自由度過低會影響電子差速控制效果.因此,需要針對電動汽車電子差速控制對響應(yīng)速度和控制精度的需求,結(jié)合采用控制策略及抗擾算法的的特點,平衡模型復(fù)雜度和電子差速控制效果,研究整車模型的系統(tǒng)尋優(yōu)問題.

2) 電子差速控制策略設(shè)計

電子差速控制涉及電機控制、速差控制和抗擾控制.針對輪轂電機轉(zhuǎn)速控制高速段穩(wěn)定性差、轉(zhuǎn)矩控制可能高頻振蕩的特點,預(yù)計電子差速控制的電機控制環(huán)節(jié)可能發(fā)展成轉(zhuǎn)矩為主、轉(zhuǎn)速為次模式.針對多機擾動復(fù)雜、觀測量多的問題,電子差速控制不僅僅根據(jù)整車模型進行速差的硬控制,還需考慮車輛穩(wěn)定性、側(cè)偏、滑移等,對滑移率、質(zhì)心側(cè)偏角和橫擺角速度進行抗擾動的軟控制,更要兼顧集成式驅(qū)動的多輪轂電機一體協(xié)調(diào)控制模式,進行電子差速控制策略的總體集成設(shè)計,是電動汽車具有更好的操作性和穩(wěn)定性.本文認為,集成式輪轂電機的控制方式,抗擾控制器控制量與控制算法的優(yōu)選,將是未來幾年電子差速控制策略發(fā)展的重點.此外,為規(guī)避多參數(shù)、復(fù)雜擾動、非線性等問題,無參數(shù)化思想可能會用于電子差速控制策略.

3) 電子差速控制器的多機抗擾算法設(shè)計

目前,在電子差速控制器的多機抗擾應(yīng)用方面,傳統(tǒng)的控制及優(yōu)化算法仍有局限,新興的控制理論和智能算法有待探索,抗擾控制器控制量的優(yōu)選及抗擾效果的驗證和評價手段均有待推進.本文認為,非線性自抗擾理論和深度學(xué)習(xí)引領(lǐng)的新興智能優(yōu)化有望用于電子差速控制器的抗擾控制;同時認為,目前速差一體約束下的多機各自獨立抗擾的控制模式,將向多機協(xié)同抗擾的控制模式發(fā)展.

4) 電子差速控制效果的驗證

電子差速控制效果與整車模型、控制策略及抗擾算法密切相關(guān).目前文獻成果大多針對其中某個方面進行設(shè)計,針對特定路況仿真驗證滑移率、橫擺角速度、側(cè)偏角等,實驗驗證仿真結(jié)果是否基本一致,缺乏對行駛狀況和路況的全面考慮,也缺乏對比研究和效果評價原則.本文認為:a) 電子差速控制效果的仿真和實驗驗證,可更全面考慮各種行駛工況和路況,便于進行多策略、多算法、多模型的效果對比研究;b) 電動汽車電子差速控制的研究成果大多對策略和算法進行仿真和實驗驗證,實車實驗驗證屈指可數(shù),需要重視典型或惡劣路況、車況的實車實驗驗證,以加速推動電子差速控制成果的轉(zhuǎn)化.